Elke test die op een bepaalde populatie wordt uitgevoerd, moet kunnen berekenen: gevoeligheid, specificiteit, positief voorspellende waarde, en negatief voorspellende waarde, om het nut van testen te bepalen bij het opsporen van een bepaalde ziekte of populatiekenmerk. Als we een test willen gebruiken om bepaalde kenmerken in een steekproefpopulatie te testen, moeten we het volgende weten:
- Hoe waarschijnlijk is het dat deze test detecteert? bestaan bepaalde kenmerken van een persoon met dergelijke kenmerken (gevoeligheid)?
- Hoe waarschijnlijk is het dat deze test detecteert? afwezigheid bepaalde kenmerken van een persoon die niet hebben deze kenmerken (specificiteit)?
- Hoe waarschijnlijk is het dat iemand met dezelfde testresultaten positief werkelijk hebben deze kenmerken (positief voorspellende waarde)?
-
Hoe waarschijnlijk is het dat een persoon wiens testresultaten negatief werkelijk heb geen deze kenmerken (negatief voorspellende waarde)?
Deze waarden zijn erg belangrijk om voor te berekenen bepalen of een test nuttig is voor het meten van bepaalde kenmerken in een bepaalde populatie.
In dit artikel wordt uitgelegd hoe u deze waarden kunt berekenen.
Stap
Methode 1 van 1: Jezelf tellen
Stap 1. Definieer de populatie die moet worden bemonsterd, bijvoorbeeld 1000 patiënten in een kliniek
Stap 2. Bepaal de gewenste ziekte of eigenschap, bijvoorbeeld syfilis
Stap 3. Een standaard gouden standaard hebben voor het bepalen van ziekteprevalentie of gewenste kenmerken, bijv. donkerveldmicroscopische documentatie van de bacterie Treponema pallidum uit syfilitische ulcusfragmenten, in samenwerking met klinische bevindingen
Gebruik de gouden standaardtest om te bepalen wie de kenmerken heeft en wie niet. Laten we ter illustratie zeggen dat 100 mensen de eigenschap hebben en 900 niet.
Stap 4. Voer de test uit waarin u geïnteresseerd bent om de gevoeligheid, specificiteit, positief voorspellende waarde en negatief voorspellende waarde voor deze populatie te bepalen
Voer vervolgens de test uit voor iedereen in de steekproefpopulatie. Laten we bijvoorbeeld zeggen dat dit een snelle plasma-reagin-test (RPR) is om te screenen op syfilis. Gebruik het om 1000 mensen in een steekproef te testen.
Stap 5. Noteer voor mensen die de kenmerken hebben (zoals bepaald door de gouden standaard) het aantal mensen dat positief testte en het aantal mensen dat negatief testte
Doe hetzelfde voor mensen die niet de kenmerken hebben (zoals gedefinieerd door de gouden standaard). Je krijgt vier cijfers. Mensen die de kenmerken hebben EN testresultaten zijn positief zijn echte positieven (true positieven of TP). Mensen die de kenmerken hebben EN testresultaten zijn negatief zijn valse negatieven (valse negatieven of FN). Mensen die niet de kenmerken hebben EN de testresultaten positief zijn, zijn valse positieven (valse positieven of FP). Mensen die niet de kenmerken hebben EN de testresultaten negatief zijn, zijn echte negatieven (echte negatieven of TN). Stel dat u een RPR-test hebt uitgevoerd op 1000 patiënten. Van de 100 patiënten met syfilis testten 95 positief, terwijl de overige 5 negatief waren. Van de 900 patiënten die geen syfilis hadden, testten 90 positief en de overige 810 waren negatief. In dit geval TP=95, FN=5, FP=90 en TN=810.
Stap 6. Om de gevoeligheid te berekenen, deelt u TP door (TP+FN)
In het bovenstaande voorbeeld is de berekening 95/(95+5)= 95%. Gevoeligheid vertelt ons hoe waarschijnlijk het is dat de test een positief resultaat geeft voor een persoon met de eigenschap. Welk deel van alle mensen met de eigenschap test positief? De gevoeligheid van 95% is goed genoeg.
Stap 7. Om specificiteit te berekenen, deelt u TN door (FP+TN)
In het bovenstaande voorbeeld is de berekening 810/(90+810)= 90%. Specificiteit vertelt ons over de kans dat een test een negatief resultaat geeft bij iemand die de eigenschap niet heeft. Welk deel van alle mensen die het kenmerk niet hebben, is negatief? 90% specificiteit is goed genoeg.
Stap 8. Om de positief voorspellende waarde (NPP) te berekenen, deelt u TP door (TP+FP)
In de bovenstaande context is de berekening 95/(95+90) = 51,4%. Een positief voorspellende waarde geeft de kans aan dat een persoon de eigenschap heeft als het testresultaat positief is. Welk deel van al degenen die positief testen, heeft het kenmerk eigenlijk? NPP 51,4% betekent dat als uw testresultaat positief is, de kans om daadwerkelijk aan de betreffende ziekte te lijden 51,4% is.
Stap 9. Om de negatief voorspellende waarde (NPN) te berekenen, deelt u TN door (TN+FN)
Voor het bovenstaande voorbeeld is de berekening 810/(810+5)= 99,4%. Een negatief voorspellende waarde geeft aan hoe waarschijnlijk het is dat een persoon een kenmerk niet heeft als het testresultaat negatief is. Welk deel van al degenen die negatief testen, ontbreekt eigenlijk aan de kenmerken in kwestie? NPN 99,4% betekent dat als het testresultaat van een persoon negatief is, de kans op het niet hebben van de ziekte bij die persoon 99,4% is.
Tips
- Nauwkeurigheid, of efficiëntie, is het percentage testresultaten dat correct is geïdentificeerd door de test, d.w.z. (echt positief + echt negatief)/totaal testresultaat = (TP+TN)/(TP+TN+FP+FN).
- Een goede screeningstest heeft een hoge sensitiviteit, omdat je alles wilt kunnen krijgen dat bepaalde eigenschappen heeft. Tests met een zeer hoge gevoeligheid zijn nuttig om een ziekte of kenmerk uit te sluiten als de uitslag negatief is. ("SNOUT": gevoeligheidsregel UIT)
- Probeer een 2x2 tafel te maken om het makkelijker te maken.
- Begrijp dat gevoeligheid en specificiteit intrinsieke eigenschappen zijn van de test die: Nee hangt af van de bestaande populatie, d.w.z. dat de twee waarden hetzelfde zouden moeten zijn als dezelfde test op verschillende populaties wordt uitgevoerd.
- Een goede verifieerbaarheidstest heeft een hoge specificiteit, omdat je wilt dat de test specifiek is en mensen die de eigenschap niet hebben niet verkeerd labelt door aan te nemen dat ze het hebben. Tests met een zeer hoge specificiteit zijn nuttig voor: insluiten bepaalde ziekten of kenmerken als het resultaat positief is. ("SPIN": SPecificiteitsregel IN)
- De positief voorspellende waarde en de negatief voorspellende waarde zijn daarentegen afhankelijk van de prevalentie van dit kenmerk in een bepaalde populatie. Hoe zeldzamer het gezochte kenmerk, hoe lager de positief voorspellende waarde en hoe hoger de negatief voorspellende waarde (omdat de pretestkans laag is voor zeldzame kenmerken). Aan de andere kant, hoe vaker een kenmerk voorkomt, hoe hoger de positief voorspellende waarde en hoe lager de negatief voorspellende waarde (omdat de pretestkans hoog is voor het gemeenschappelijke kenmerk).
- Probeer deze begrippen goed te begrijpen.
